1955年，當(dāng)人工智能這個(gè)詞首次被提出來時(shí)，不出所料地點(diǎn)燃了公眾的想象力。在接下來的60年里，我們有好幾次都被它的前景所吸引，擔(dān)心它的潛力被濫用，但又為它的發(fā)展緩慢而沮喪。

　　然而，正如所有孕育得過早、超越了當(dāng)前時(shí)代的先進(jìn)科技一樣，人工智能遭到了廣泛的誤解——被好萊塢電影錯(cuò)誤地詮釋、被媒體曲解為各種各樣的角色，從人類的拯救者到毀滅者，應(yīng)有盡有。但那些真正參與到業(yè)界的嚴(yán)肅信息科學(xué)研究和應(yīng)用的人卻很理解智能系統(tǒng)的巨大潛能。這種技術(shù)（我們相信那將是「認(rèn)知智能」而非「人工智能」）的 未來與大眾冠以AI的名頭大不一樣，將涉及各種各樣的、來自技術(shù)、科學(xué)和社會的挑戰(zhàn)與機(jī)遇，面臨不同的監(jiān)管、政策和管理需要。

　　認(rèn)知計(jì)算是指一種能夠規(guī)�；瘜W(xué)習(xí)、有目的推理、并與人類自然交互的系統(tǒng)。它們不需要事先精確地編程，而是從它們與我們之間的交互和與環(huán)境之間的互動中學(xué)習(xí)和推理。過去半個(gè)世紀(jì)中，多個(gè)科學(xué)領(lǐng)域的發(fā)展使這些事情變得可能，它們與那些運(yùn)行著它們的信息系統(tǒng)有著重要的區(qū)別。

　　那些信息系統(tǒng)是決定論的，而認(rèn)知系統(tǒng)是概率性的。認(rèn)知系統(tǒng)不僅能回答大量的問題，還能對更加復(fù)雜（且有意義）的數(shù)據(jù)提出假說、推理論述和建議。

　　此外，認(rèn)知系統(tǒng)還能理解計(jì)算機(jī)科學(xué)家稱之為「非結(jié)構(gòu)化」的數(shù)據(jù)，而這些數(shù)據(jù)占到了全世界數(shù)據(jù)的80%。這使得它們能夠跟上現(xiàn)代世界巨量、復(fù)雜和不可預(yù)測的信息。

　　這些與機(jī)器的感覺能力和自主性都沒有任何關(guān)系。相反，它能夠增強(qiáng)人類的能力，讓我們可以理解和運(yùn)作社會中復(fù)雜的系統(tǒng)。這種增強(qiáng)智能對提升我們駕馭科技的能力是十分必要的一步，讓我們能追尋更多知識、提升我們的能力和改善人類的境況。這就是為什么它不僅是一種新科技，還是科技、商業(yè)和社會新紀(jì)元——認(rèn)知時(shí)代的黎明。

　　認(rèn)知計(jì)算的成功并不以圖靈測試或模擬人類的能力作為判斷標(biāo)準(zhǔn)。它的標(biāo)準(zhǔn)更加實(shí)際，例如投資報(bào)酬率、新的市場機(jī)會、治療疾病和拯救生命。

　　在IBM，為建立認(rèn)知計(jì)算的基礎(chǔ)，我們已經(jīng)工作了數(shù)十年，將前沿計(jì)算機(jī)科學(xué)領(lǐng)域的十幾個(gè)學(xué)科與這個(gè)100多年的商業(yè)專家結(jié)合起來。現(xiàn)在，我們正在親眼目睹它在改變商業(yè)、政府和社會方面的巨大潛力。

　　我們已經(jīng)看到，它將大數(shù)據(jù)從障礙變成機(jī)會，幫助兒科醫(yī)生做出早期診斷，為建設(shè)智慧城市提供創(chuàng)新解決方案。我們相信，這些技術(shù)展現(xiàn)了最好的（或許也是唯一的）機(jī)會，去處理地球面臨的一些最持久的系統(tǒng)性問題，例如癌癥、氣候變化和復(fù)雜多變的全球經(jīng)濟(jì)形勢。

　　為了理解認(rèn)知計(jì)算的未來，必須把它放到歷史的語境中。

　　到今天為止，我們經(jīng)歷過兩個(gè)不同的計(jì)算時(shí)代——制表時(shí)代和編程時(shí)代。IBM在這兩個(gè)時(shí)代中都扮演了重要的角色。我們相信，在計(jì)算演化史中，認(rèn)知計(jì)算是第三個(gè)、也是最具有轉(zhuǎn)折意義的時(shí)代。

　　計(jì)算機(jī)起源于一種單一計(jì)數(shù)用途的機(jī)械系統(tǒng)，這種系統(tǒng)用打孔卡來輸入和存儲數(shù)據(jù)，最終決定這個(gè)機(jī)器要做的事情 (雖然是以一種非常原始的方式)。這些制表機(jī)本質(zhì)上是一種計(jì)算器，支持了商業(yè)和社會規(guī)模的擴(kuò)大，幫助我們組織、理解以及管理從人口增長到全球經(jīng)濟(jì)進(jìn)步等的各種事情。

　　在二戰(zhàn)的時(shí)候，隨著軍事和科學(xué)的需要，從機(jī)械制表機(jī)到電子系統(tǒng)的演變開始了。在戰(zhàn)爭之后，數(shù)碼「計(jì)算機(jī)」經(jīng)歷了快速演化，逐漸進(jìn)入商業(yè)和政府。它們可以根據(jù)軟件中的程序來進(jìn)行 如果/就 的操作以及循環(huán)。從最開始的電子管到晶體管，再到微處理器，計(jì)算機(jī)的性能得到了迅速提升，這一發(fā)展過程驗(yàn)證了「摩爾定律」，在60年間，每18個(gè)月處理器的容量和速度就提升一倍。所有我們知道的計(jì)算設(shè)備，從大型主機(jī)到個(gè)人電腦，再到智能手機(jī)和平板，都是可編程的計(jì)算機(jī)。

　　早在1960年，J.C.R. Licklider就在他的論文「人-機(jī)共生」中 提出了 超越可編程系統(tǒng)的潛在可能性�，F(xiàn)代計(jì)算的很大部分都是基于LickLider的研究以及他的深刻見解：

　　「人-機(jī)共生」是在人類與電子計(jì)算機(jī)之間發(fā)生的共生關(guān)系，是人機(jī)關(guān)系間可以預(yù)見的發(fā)展。這種關(guān)系包含人類與電子伙伴強(qiáng)耦合關(guān)系。主要目的是：

　　像為解決規(guī)劃難題提供便利一樣， 也讓計(jì)算機(jī)為規(guī)劃思維提供便利。

　　在不依賴于不靈活的預(yù)定義程序的情況下，讓人與計(jì)算機(jī)能夠協(xié)作決策，控制復(fù)雜情況。

　　初步分析表明，與人類單獨(dú)進(jìn)行智能操作相比，共生關(guān)系將會更有效。

　　——J.C.R. Licklider，「人機(jī)共生」，1960年3月

　　Licklider知道，認(rèn)知計(jì)算將是程序化計(jì)算的必要的自然演化，雖然他并不知道這個(gè)目標(biāo)如何實(shí)現(xiàn)。50年后，大規(guī)模并行計(jì)算以及浩如煙海的結(jié)構(gòu)化與非結(jié)構(gòu)化數(shù)據(jù)的積累，為認(rèn)知計(jì)算奠定了基礎(chǔ)。

　　在2011年2月，Watson項(xiàng)目首次公開，Watson是IBM開發(fā)的認(rèn)知計(jì)算系統(tǒng)，它在Jeopardy！節(jié)目中戰(zhàn)勝了肯·詹寧斯和布拉德·魯特爾。這是首次面向公眾證實(shí)認(rèn)知計(jì)算，標(biāo)志著所謂AI寒冬的終結(jié)�？删幊滔到y(tǒng)在之前60年的演化中并未能夠理解混亂的非結(jié)構(gòu)化數(shù)據(jù)，因此也參加不了Jeopardy！節(jié)目。Watson能夠回答微妙、復(fù)雜、語義雙關(guān)問題，顯然，計(jì)算新紀(jì)元即將開啟。

　　節(jié)目之后，Watson繼續(xù)處理了更多的復(fù)雜數(shù)據(jù)集，在解謎之外，它發(fā)展出了理解、推理以及學(xué)習(xí)的能力。認(rèn)知計(jì)算的目標(biāo)就是照亮以往在我們世界中不為人知的部分——具體來說就是潛藏在非結(jié)構(gòu)化數(shù)據(jù)中的模式和洞察——使得我們能夠?qū)Ω�重要的事情做出更明智的決策。認(rèn)知時(shí)代的真正潛力將會是機(jī)器的數(shù)據(jù)分析、統(tǒng)計(jì)推斷能力，以及人類特殊能力，比如自我引導(dǎo)的目標(biāo)、常識和價(jià)值觀。

　　這正是Watson被賦予的使命，也是它正在嘗試做的事情。銀行正在分析客戶要求和金融數(shù)據(jù)，幫助自己更好地做出投資決策。高度監(jiān)管產(chǎn)業(yè)中的企業(yè)不斷在系統(tǒng)中查詢，保證自己跟上經(jīng)常變化的監(jiān)管和合規(guī)標(biāo)準(zhǔn)。腫瘤學(xué)家利用專家經(jīng)驗(yàn)和研究手段，測試認(rèn)知系統(tǒng)能否幫助他們理解癌癥患者醫(yī)療信息，找到個(gè)體化、循證的治療方案。

　　這樣的經(jīng)歷對于牽涉其中的專業(yè)人士來說意味著什么？世界知名的腫瘤學(xué)家，紀(jì)念斯隆-凱特琳癌癥中心的Larry Norton博士正與Watson合作幫助內(nèi)科醫(yī)生對患者進(jìn)行個(gè)性化癌癥治療。他說：「計(jì)算機(jī)科學(xué)發(fā)展迅猛，醫(yī)療事業(yè)也會受其影響。這被稱為協(xié)同進(jìn)化（coevolution）。我們要互幫互助。我預(yù)想這樣的場景：病人、電腦、我的護(hù)士、我的研究生同事還有我自己都在監(jiān)察室一起交流�！�

　　在Watson的象棋博弈前輩Deep Blue在1997年擊敗世界象棋冠軍Garry Kasparov之后，我們首次看到這種共生的跡象。在那次演示之后，Kasparov繼續(xù)參加這種新「自由式」的象棋聯(lián)賽，在其中，選手們可以自由地使用任何他們喜歡的計(jì)算機(jī)程序。在這些聯(lián)賽中，一些選手孤身奮戰(zhàn)。一些完全依賴于計(jì)算機(jī)程序。但那些將計(jì)算機(jī)與他們自身的直覺和比賽天賦相結(jié)合的選手是最成功的。

　　「機(jī)器與人相配合的團(tuán)隊(duì)甚至比最強(qiáng)大的計(jì)算機(jī)更具優(yōu)勢。人類策略上的指導(dǎo)與計(jì)算機(jī)戰(zhàn)術(shù)上的敏銳結(jié)合起來是所向披靡的。我們可以集中精力于策略規(guī)劃而不是把那么多時(shí)間花費(fèi)在計(jì)算上。在這些情況下，人類的創(chuàng)造力是最重要的。」

　　——加里·卡斯帕羅夫

　　當(dāng)Licklider為認(rèn)知計(jì)算幫忙想出一種哲學(xué)方法時(shí)，他幾乎無法表達(dá)出前行的技術(shù)進(jìn)路。那條道路仍在被定義，不斷調(diào)整。尤其是，我們敏銳地意識到數(shù)據(jù)正怎樣塑造著我們的未來。Gartner預(yù)計(jì)世界的信息將增長800%在未來5年，而且80%的數(shù)據(jù)是非結(jié)構(gòu)化的。包括人類語言記載下的每一件事（從教科書到詩歌），圖片捕捉到每一個(gè)瞬間（CAT掃描每個(gè)家庭照片）以及聲音記錄下的每條信息。它是隱藏在氣味、味道、文本和振動中的數(shù)據(jù)。它來自我們的活動，來自這個(gè)布滿儀器的星球。

　　在價(jià)值日益源于信息、知識和服務(wù)的社會和全球經(jīng)濟(jì)中，數(shù)據(jù)代表著這個(gè)世界上最富有，最具價(jià)值，最復(fù)雜的原材料。直到現(xiàn)在，我們還沒有方法對它進(jìn)行有效開采。

　　可編程系統(tǒng)基于這樣的規(guī)則：通過一系列預(yù)先設(shè)定的進(jìn)程，從數(shù)據(jù)中得出結(jié)論。盡管它們強(qiáng)大而復(fù)雜，也是決定論的——其繁榮建立在結(jié)構(gòu)化數(shù)據(jù)之上，但是無法處理定性或不可預(yù)見的輸入。面對正在興起的充滿模糊和不確定性復(fù)雜新世界中的眾多方面，這種死板束縛住了它們的拳腳。

　　認(rèn)知系統(tǒng)是基于概率的，意味著它們被設(shè)計(jì)成去適應(yīng)和理解非結(jié)構(gòu)化語言的復(fù)雜性和不可預(yù)測性。他們可以「讀」文本、「看」圖像、「聽」自然語音。它們闡釋那些信息，整理它以及提供他們意思的解釋，還伴有它們結(jié)論的基本原理。他們不提供最終的答案。事實(shí)上，他們并不「知道」答案。相反，它們被設(shè)計(jì)成從多個(gè)來源中去衡量信息和想法，去推理，然后提供假說以供參考。一個(gè)認(rèn)知系統(tǒng)給每個(gè)有潛力的洞見或答案分配一個(gè)自信水平。

　　Watson在 Jeopardy！中犯的一個(gè)錯(cuò)誤就是例證。在第一天的比賽將結(jié)束時(shí)， 「Final Jeopardy」的類目是「美國城市」。線索是「以二戰(zhàn)英雄命名的最大的機(jī)場；二戰(zhàn)的戰(zhàn)役中第二大的。」答案是芝加哥（O’Hare 和 Midway）。Watson猜測為多倫多。Watson困惑于這個(gè)問題有很多原因，包括它的語法結(jié)構(gòu)，在伊利諾斯州有一個(gè)城市叫Toronto并且Toronto Blue Jays在美國棒球聯(lián)盟中打棒球。

　　結(jié)果，Watson自信水平出奇得低:14%。如果這是Jeopardy！常規(guī)線索，而不是「Final Jeopardy」階段的線索，參賽選手很可能會響鈴，但是Watson不會響鈴，因?yàn)榇鸢缸孕潘�平太低。Watson知道哪些事情是它不知道的，圖2中的5個(gè)問號暗示了這一點(diǎn)。

　　然而，認(rèn)知系統(tǒng)能夠從錯(cuò)誤中學(xué)習(xí)。通過大規(guī)模機(jī)器學(xué)習(xí)，認(rèn)知系統(tǒng)能從訓(xùn)練和運(yùn)用中不斷得以改善。

　　消化語料庫知識，根據(jù)任何給定主題接受專家訓(xùn)練，認(rèn)知系統(tǒng)可以通過一系列Q&A的方式得以訓(xùn)練。人與系統(tǒng)互動，就系統(tǒng)反饋的正確性做出反應(yīng)將會提升機(jī)器的「知識」。

　　當(dāng)Watson參加Jeopardy！時(shí)，它完成了一件事——以五種技術(shù)為基礎(chǔ)的自然語言Q&A。今天，Q&A僅為Watson眾多以API方式提供的功能之一。打那以后，我們已經(jīng)研發(fā)出多達(dá)20多個(gè)新的API，采用了50多種不同認(rèn)知技術(shù)。這也是認(rèn)知計(jì)算的技術(shù)進(jìn)路和當(dāng)前人工智能進(jìn)路的關(guān)鍵區(qū)別。認(rèn)知計(jì)算并不是計(jì)算機(jī)科學(xué)的孤立領(lǐng)域。需要許多學(xué)科知識，從硬件架構(gòu)，算法策略，工業(yè)流程設(shè)計(jì)到行業(yè)專長。

　　我們每天使用的許多產(chǎn)品和服務(wù)——從搜索引擎廣告應(yīng)用，社交媒體網(wǎng)站面部識別到「智能」汽車，電話和電網(wǎng)——正在見證人工智能的方方面面。

　　絕大多數(shù)人工智能產(chǎn)品和服務(wù)都是為了實(shí)現(xiàn)某種功能目的，側(cè)重應(yīng)用，專為某種特定服務(wù)而設(shè)。它們使用了一些認(rèn)知計(jì)算的核心功能。一些使用了文本挖掘技術(shù)。其他的采用機(jī)器學(xué)習(xí)進(jìn)行圖像識別。所有的產(chǎn)品和服務(wù)都局限于最初打造它們的構(gòu)想。

　　相反，認(rèn)知系統(tǒng)有五個(gè)核心功能：

　　1.與人的接觸更加深入。

　　人們與系統(tǒng)的互動更加充分，這種互動是以每個(gè)人偏好的模式、形式以及質(zhì)量為基礎(chǔ)的。它們充分利用搜集到的數(shù)據(jù)創(chuàng)造出有關(guān)個(gè)體的精細(xì)畫面——比如，地理位置數(shù)據(jù)，網(wǎng)頁互動，交易歷史，鐘愛節(jié)目的模式，可穿戴設(shè)備數(shù)據(jù)和電子醫(yī)療記錄——并為這幅圖景添加一些很難察覺的細(xì)節(jié)：品味，情緒，情感狀態(tài)，環(huán)境條件以及人際關(guān)系本質(zhì)和強(qiáng)弱。從所有結(jié)構(gòu)和非結(jié)構(gòu)數(shù)據(jù)中進(jìn)行推理，找出什么才是人際交流中重要的東西。通過不斷學(xué)習(xí)，這些接觸交流將傳遞出越來越大的價(jià)值，也會變得更加自然，有預(yù)見性，情感也會拿捏適中。

　　2.規(guī)�；�和提高專業(yè)技能：

　　各種工業(yè)知識和專業(yè)知識正在以任何專家不能趕上的速度迅速膨脹——雜志、新協(xié)議、新立法、新實(shí)踐和嶄新的領(lǐng)域。醫(yī)療保健中有一個(gè)明顯的例子，在1950年，人們預(yù)測全世界醫(yī)學(xué)知識翻一番需要50年時(shí)間；到了1980年，時(shí)間縮短為7年；2015年，不超過3年。與此同時(shí)，個(gè)人一生能產(chǎn)生一百萬GB的健康數(shù)據(jù)，相當(dāng)于3億本書。

　　為了幫助組織機(jī)構(gòu)跟上步伐，人們設(shè)計(jì)了認(rèn)知系統(tǒng)，它能作為專家的伙伴以提高他們的業(yè)績。由于這些系統(tǒng)掌握了專業(yè)術(shù)語——醫(yī)學(xué)、銷售和烹調(diào)等術(shù)語——他們能夠理解和傳授復(fù)雜的專業(yè)技能�？s短了由內(nèi)行變?yōu)閷＜宜�需的時(shí)間。另外，由于這些系統(tǒng)是由領(lǐng)先的從業(yè)人員訓(xùn)練的——不論是顧客服務(wù)，腫瘤診斷，還是判例法等任何行業(yè)——系統(tǒng)就能讓很多人獲取這些領(lǐng)先人士的秘訣。

　　3.用認(rèn)知融合產(chǎn)品和服務(wù)：

　　認(rèn)知技術(shù)讓感受、推斷和了解用戶和周圍世界的新一類產(chǎn)品和服務(wù)成為可能。持續(xù)改善和適應(yīng)，增強(qiáng)功能以推出未曾想到的新用法，也因此成為可能。在汽車、醫(yī)療設(shè)備、器具和玩具行業(yè)，這些正在發(fā)生。物聯(lián)網(wǎng)正在急劇拓展全球的數(shù)字產(chǎn)品和服務(wù)——哪里有代碼和數(shù)據(jù)，哪里就有認(rèn)知技術(shù)的用武之地。

　　4.認(rèn)知運(yùn)營成為可能：

　　認(rèn)知也能轉(zhuǎn)變公司運(yùn)營的方式。 融合認(rèn)知功能的商業(yè)運(yùn)營，能將內(nèi)外資源中的數(shù)據(jù)表象化為財(cái)富。 它讓公司重視工作流程、文本和環(huán)境，這有利于持續(xù)性學(xué)習(xí)、改善預(yù)測和提高運(yùn)營效率——以當(dāng)今的數(shù)據(jù)流動速度做出決策。在這樣的領(lǐng)域，比如市值平均10億美元的公司每周花1，000人的工作時(shí)間用于供應(yīng)商管理，這就是個(gè)好消息。

　　5.提升探索發(fā)現(xiàn)：

　　最終，認(rèn)知商業(yè)將會擁有的最強(qiáng)工具是好得多的、可以照亮日益復(fù)雜又不穩(wěn)定未來的「前燈」。

　　隨著各行各業(yè)的領(lǐng)軍人物爭相在藥物研發(fā)、復(fù)雜經(jīng)濟(jì)模型、材料科學(xué)、初創(chuàng)公司上放上大籌碼，這樣的「前燈」變得越來越重要。把認(rèn)知技術(shù)運(yùn)用到大數(shù)據(jù)上，領(lǐng)軍人物能找到規(guī)律、機(jī)會和可執(zhí)行的假設(shè)，僅僅通過傳統(tǒng)研究或可編程系統(tǒng)，幾乎不可能發(fā)現(xiàn)這些。

　　假如能像設(shè)想的那樣實(shí)現(xiàn)認(rèn)知計(jì)算，那么，底層平臺必須足夠?qū)拸V、足夠柔性，以便在各行各業(yè)得到運(yùn)用，它還必須支持跨行業(yè)運(yùn)用。這需要一種全盤的研發(fā)進(jìn)路，旨在打造一個(gè)強(qiáng)健的平臺，它有許多功能可以支持來自開發(fā)者生態(tài)圈各種各樣的應(yīng)用。

　　這個(gè)平臺必須涵蓋機(jī)器學(xué)習(xí)、推理、自然語言處理、語音和圖像識別、人機(jī)交互和對話和敘述生成等等。許多功能要求運(yùn)用高性能計(jì)算，專門的硬件結(jié)構(gòu)，甚至是新的計(jì)算范例這樣的專業(yè)基礎(chǔ)設(shè)施。每種技術(shù)都源自自身科技或?qū)W術(shù)領(lǐng)域。但是，這些技術(shù)必須和支持認(rèn)知結(jié)果的硬件、軟件、云平臺和應(yīng)用協(xié)同發(fā)展。

　　隨著沃森的迅速演化，未來可能已初見端倪。舉個(gè)例子，一種分析X光，MRIs和超聲波圖像的認(rèn)知醫(yī)學(xué)圖像應(yīng)用，它能處理醫(yī)學(xué)期刊、書本和文章的自然語言。它利用機(jī)器學(xué)習(xí)來矯正和增強(qiáng)理解力。它還可以開發(fā)深度知識表征和推理，有助于形成可能的診斷結(jié)果。為此，需要專門圖像處理器來支持大規(guī)模數(shù)據(jù)和人類專業(yè)知識，指導(dǎo)系統(tǒng)學(xué)習(xí)， 解讀系統(tǒng)生成的結(jié)果。

　　這種新模型的威力能用到任何領(lǐng)域。油氣公司能把地震圖像數(shù)據(jù)和對成千上萬的論文、報(bào)告、時(shí)事、經(jīng)濟(jì)數(shù)據(jù)和天氣預(yù)報(bào)的分析結(jié)合到一起，為開采提供風(fēng)險(xiǎn)回報(bào)分析�；蛘撸�通過分析測試成績、出勤率和數(shù)字學(xué)習(xí)平臺上學(xué)生行為信息，學(xué)校能建立縱向的學(xué)生檔案和個(gè)性化教育計(jì)劃。

　　IBM正在與多個(gè)領(lǐng)先的癌癥研究機(jī)構(gòu)合作，加快臨床識別，為患者提供個(gè)性化治療方案。它也被認(rèn)為是短期內(nèi)最有前途的認(rèn)知計(jì)算應(yīng)用之一。該計(jì)劃旨在減少醫(yī)學(xué)解讀DNA的時(shí)間，了解個(gè)人遺傳信息，從醫(yī)學(xué)文獻(xiàn)搜集相關(guān)資料的時(shí)間從幾周變?yōu)閹追昼�。由此產(chǎn)生的分析結(jié)果使醫(yī)生能夠針對任意患者特定的癌基因突變做出診斷。只需幾分鐘，Watson就能完成遺傳物質(zhì)和醫(yī)學(xué)文獻(xiàn)的審查過程，產(chǎn)生一份可視化數(shù)據(jù)的報(bào)告，并以循證醫(yī)學(xué)為基礎(chǔ)，綜合患者個(gè)人獨(dú)特的基因提供可行的藥物方案。臨床醫(yī)生可以評估這些證據(jù)，以確定它的療效是否會比標(biāo)準(zhǔn)方案更有針對性。

　　認(rèn)知時(shí)代（The Cognitive Era）是應(yīng)用型科學(xué)發(fā)展的下一步，它幫助人類理解自然并改善人類的生存狀況。在此意義下，它是一個(gè)老故事開啟新篇章。圍繞人工智能的爭論只是其中一個(gè)最新的例子，是相信科學(xué)進(jìn)步的人和那些害怕它的人之間古老爭論的延續(xù)。與媒體和流行娛樂界的爭論相反，在科學(xué)領(lǐng)域，裁決已定。追求認(rèn)知性未來已成為廣泛共識，人們也普遍認(rèn)識有必要承擔(dān)技術(shù)責(zé)任。

　　「技術(shù)創(chuàng)造可能性和潛力，但最終，我們的未來將取決于我們做出的選擇。我命在我，不在技術(shù)�！�

　　——Erik Brynjolfsson，MIT（麻省理工學(xué)院，經(jīng)濟(jì)學(xué)著名教授）

　　具體而言，我們會繼續(xù)型塑認(rèn)知計(jì)算對工作和就業(yè)的影響。與所有技術(shù)一樣，認(rèn)知計(jì)算將改變?nèi)藗兊墓ぷ餍再|(zhì)。這將有助于我們更快速、更準(zhǔn)確地執(zhí)行一些任務(wù)。許多處理過程會更便宜，更有效。某些事，它甚至?xí)�比人類做的更好。這也是自文明誕生以來一直發(fā)生的情況：新技術(shù)被發(fā)現(xiàn)具有更高的價(jià)值，它讓我們的社會和生活得以適應(yīng)和進(jìn)化。所以，我們有理由相信，此時(shí)此刻的情況與以往是一致的。事實(shí)上，認(rèn)知時(shí)代會為人類開啟一個(gè)知識、發(fā)現(xiàn)、機(jī)會都以指數(shù)級速度增長的世界。我們也有充分的理由相信，人類的工作將變得越來越有趣，也更具有挑戰(zhàn)性和價(jià)值。

　　同時(shí)，社會的控制和保障也一樣重要。對于智能系統(tǒng)的擔(dān)憂再一次適用于此。從汽車、藥品到手機(jī)，每一項(xiàng)技術(shù)的轉(zhuǎn)換都會涉及個(gè)人和機(jī)構(gòu)的安全問題。這些問題已經(jīng)刻不容緩，也將繼續(xù)與認(rèn)知技術(shù)發(fā)展如影隨形。這些問題已經(jīng)被今天激進(jìn)的技術(shù)民主化（網(wǎng)絡(luò)和云端的快速傳播是背后的驅(qū)動力）以及隨之而來的成本削減所點(diǎn)燃。

　　我們相信，答案不是試圖限制民主化，而是要擁抱它，同時(shí)設(shè)計(jì)出融合隱私、安全和人工控制的認(rèn)知系統(tǒng)。

　　最后，所有的技術(shù)革命不僅是被發(fā)現(xiàn)的，而且是由商業(yè)和社會需求推動的。我們追求這些新的可能性并不只是因?yàn)槲覀冇心芰�，而是因�(yàn)槲覀冇兴�求�?/div>